基于学术异质信息网表示学习的研究团队识别

现实世界中的学术网络通常可由由多类型节点与关系构成的异质信息网描述。现有一些面向同质信息网的表示学习研究缺乏在异质信息网中探索异质信息的能力，无法应用于异质信息网。针对从由海量复杂科技大数据构成的学术异质信息网中有效识别与发现科研团队的实际需求，本文提出一种基于学术异质信息网表示学习的科研团队识别方法。该方法在节点级与元路径级使用注意力机制，在保留网络中节点丰富拓扑信息及基于元路径的语义信息基础上，学习低维、稠密且实值的向量表示，并基于最大化节点影响力实现学术异质信息网中科研团队及重要团队成员的有效识别与发现。实验结果表明，我们所提方法优于对比方法。